Molti occidentali credono che il cinese si riferisca a un’unica lingua e che le variazioni di pronuncia equivalgano alle differenze dialettiche riscontrate tra gli anglofoni che vivono negli stati del sud e quelli che vivono negli stati del nord. Infatti, sebbene le dozzine di varianti cinesi utilizzino tutte lo stesso insieme di elementi lessicali e le stesse strutture grammaticali, un parlante di un’area potrebbe essere completamente incapace di comunicare oralmente con un parlante di un’altra. Questo non perché ciascuno consideri l’accento dell’altro troppo spesso, ma perché tutte le parole cinesi sono composte non solo da fonemi, o unità sonore, ma portano il loro significato anche attraverso i toni, o il tono con cui viene pronunciata una parola. I trascrittori utilizzano un numero di tono e un nome di tono per una frase pronunciata utilizzando uno dei numerosi metodi di trascrizione occidentali.
Con oltre 845 milioni di parlanti, il mandarino è di gran lunga la lingua più utilizzata al mondo. Il mandarino, come tutte le lingue cinesi, spesso chiamate dialetti cinesi, incorpora toni che determinano il significato di una parola. Il tono numero uno è chiamato yin ping, ed è un suono uniforme che non sale né scende. Il tono numero due, yang ping, si abbassa leggermente al centro della parola e poi ritorna al tono originale. Shang è il terzo tono, e anch’esso scende, ma in modo più drammatico dello yang ping, e il quarto e ultimo tono in mandarino, qu, inizia a un punto alto e precipita.
Il mandarino e le altre lingue cinesi sono monosillabiche; poiché tutte le lingue limitano il numero di fonemi, incorporare il tono in ogni parola cinese è una necessità, altrimenti non ci sarebbero abbastanza combinazioni fonemiche per essere sufficienti. L’inglese, come altre lingue polisillabiche, non è tonale per il semplice motivo che non è necessario. Utilizzando solo 40 fonemi, il lessico inglese contiene ben oltre 250,000 parole; questo è possibile perché l’inglese consente più sillabe e le nuove parole combinano le radici con gli affissi e riordinano i suoni.
In mandarino, una singola sillaba è una parola e, assegnando a quella sillaba quattro toni in cui può essere usata, una sillaba diventa effettivamente quattro parole distinte. Questo può essere abbastanza complesso da stupire molti occidentali, ma il taiwanese, un’altra lingua cinese, aggiunge quattro numeri di tono aggiuntivi per un totale di otto e il cantonese incorpora nove toni distinti.
È importante notare che, a differenza di molte altre lingue, tutte le lingue o dialetti cinesi non sono basati sull’alfabeto nelle loro forme scritte. Un carattere rappresenta una parola e ogni parola è una singola sillaba. Ciò significa che un’espressione mandarina che può essere pronunciata nel tono numero uno, nel tono numero due e nel tono numero quattro sarà scritta utilizzando tre caratteri distinti e non correlati. In questo modo, un oratore cantonese e un oratore taiwanese possono leggere lo stesso testo e capirlo appieno, ma lo pronunceranno in modo molto diverso.